Sistemas y Señales Biomédicos
Laboratorio 005: Análisis de información base del dataset (Demografía y estadística inicial)
Actividad de Aprendizaje: Procesamiento de señales electrocardiográficas
El procesamiento de señales de origen fisiológico —como las provenientes de sistemas cardiovasculares, neuromusculares o musculoesqueléticos— constituye un área clave dentro de la ingeniería biomédica y las ciencias de la salud. Su correcta interpretación requiere no solo conocimientos técnicos avanzados, sino también una capacidad crítica para integrar información multidisciplinar.
Los objetivos de esta actividad son:
- Analizar y comparar diferentes enfoques teóricos sobre el procesamiento de señales fisiológicas (ECG, EMG, PPG, etc.).
- Evaluar la calidad y rigurosidad técnica de fuentes bibliográficas científicas.
- Fomentar el pensamiento crítico y la capacidad de síntesis de los estudiantes.
- Desarrollar habilidades de lectura técnica y argumentación científica en contextos biomédicos.
Duración
4.5 horas
Materiales
- Computador.
- Zheng, J., Zhang, J., Danioko, S. et al. A 12-lead electrocardiogram database for arrhythmia research covering more than 10,000 patients. Sci Data 7, 48 (2020). https://doi.org/10.1038/s41597-020-0386-x
- Dataset
- Zheng, J., Chu, H., Struppa, D. et al. Optimal Multi-Stage Arrhythmia Classification Approach. Sci Rep 10, 2898 (2020). https://doi.org/10.1038/s41598-020-59821-7
- M. A. Martínez González, A. Sánchez-Villegas, E. A. Toledo Atucha, y J. Faulin Fajardo, Bioestadística amigable, Third. Madrid, España: Elsevier, 2020.
Actividades prácticas
En esta sección, se presentan las actividades prácticas que los estudiantes deben realizar para cumplir con el laboratorio. Es importante advertir que aparecerán múltiples palabras nuevas y que son propias del análisis de electrocardiografía. Para ello utilizando lo visto en los laboratorio 2, 3 y 4, explicar estos términos nuevos (aparecen en negrita).
Fase 1 – Carga y visualización
- Cargar una señal electrocardiográfica aleatoria del dataset.
- Visualizar la señal cruda.
- Identificar ruido de línea base y artefactos. Explique que tipos de artefactos pueden aparecen en esta señal. Haga uso de diferentes artículos de naturaleza académica, por su puesto referencielos.
Fase 2 – Preprocesamiento
- Realice un Filtrado paso banda (0.5–40 Hz). Porque se utiliza este rango de frecuencia? Se aplica un filtro FIR o IIR, porque?
- Aplicar una normalización de escala a la señal. ¿Por qué
- Aplicar un corte de ruido de línea base a la señal. ¿Que técnicas existen para tal fin?
- Aplicar un corte de artefactos a la señal. ¿Qué técnicas existen para tal fin?
Fase 3 – Detección de picos R y segmentación
- Realice una detección de picos R utilizando un algoritmo específico. ¿Qué algoritmo se ha utilizado? ¿Por qué? ¿Qué ventajas y desventajas tiene? Que tecnicas matematicas se han utilizado para el algoritmo?
- Calcular intervalos RR y frecuencia cardíaca instantánea. Que es una frecuencia cardíaca instantánea? ¿Por qué es importante?
- Segmentar la señal en intervalos de tiempo correspondientes a cada complejo QRS. ¿Que técnica utilizó y cual es la base matemática en la que se basó?
Fase 4 – Extracción de características
- Para cada sujeto del conjunto de datos, calcule las siguientes características:
- Frecuencia cardíaca promedio.
- Frecuencia cardíaca máxima.
- Frecuencia cardíaca mínima.
- Intervalo RR promedio.
- Intervalo RR máximo.
- Intervalo RR mínimo.
- Coeficiente de variación de la frecuencia cardíaca.
- Número de latidos
- Existen otras características que se pueden calcular, ¿cuáles son? Referencie al menos 3 artículos de naturaleza académica.
- Forme una tabla con las características calculadas para cada sujeto. Cada fila corresponde a un sujeto y cada columna corresponde a una característica.
- Determine si cada característica es paramétrica o no. Se recomienda utilizar técnicas estadísticas para determinar si una característica es paramétrica o no.
- Con la información de parametricidad de la variable, determine si esta tiene diferencias estadísticamente para las personas con arritmias y las personas sin arritmias.
- Utilizando un algoritmo de regresión logística, plantee un __modelo estadístico de clasificació__n. ¿Qué es una regresión logística? ¿Como se puede calcular? Que es un modelo estadístico de clasificación?